图书介绍

机器学习2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

周志华著著
出版社：北京：清华大学出版社
ISBN：9787302423287
出版时间：2016
标注页数：425页
文件大小：45MB
文件页数：440页
主题词：机器学习

PDF下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢] [在线试读本书] [在线获取解压码]

点击复制MD5值：43114685838c46f50e5dba352614daf1

下载说明

机器学习PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载详情点击-查看共享计划

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数要大于标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

图书目录

第1章绪论1

1.1 引言1

1.2 基本术语2

1.3 假设空间4

1.4 归纳偏好6

1.5 发展历程10

1.6 应用现状13

1.7 阅读材料16

习题19

参考文献20

休息一会儿22

第2章模型评估与选择23

2.1 经验误差与过拟合23

2.2 评估方法24

2.3 性能度量28

2.4 比较检验37

2.5 偏差与方差44

2.6 阅读材料46

习题48

参考文献49

休息一会儿51

第3章线性模型53

3.1 基本形式53

3.2 线性回归53

3.3 对数几率回归57

3.4 线性判别分析60

3.5 多分类学习63

3.6 类别不平衡问题66

3.7 阅读材料67

习题69

参考文献70

休息一会儿72

第4章决策树73

4.1 基本流程73

4.2 划分选择75

4.3 剪枝处理79

4.4 连续与缺失值83

4.5 多变量决策树88

4.6 阅读材料92

习题93

参考文献94

休息一会儿95

第5章神经网络97

5.1 神经元模型97

5.2 感知机与多层网络98

5.3 误差逆传播算法101

5.4 全局最小与局部极小106

5.5 其他常见神经网络108

5.6 深度学习113

5.7 阅读材料115

习题116

参考文献117

休息一会儿120

第6章支持向量机121

6.1 间隔与支持向量121

6.2 对偶问题123

6.3 核函数126

6.4 软间隔与正则化129

6.5 支持向量回归133

6.6 核方法137

6.7 阅读材料139

习题141

参考文献142

休息一会儿145

第7章贝叶斯分类器147

7.1 贝叶斯决策论147

7.2 极大似然估计149

7.3 朴素贝叶斯分类器150

7.4 半朴素贝叶斯分类器154

7.5 贝叶斯网156

7.6 EM算法162

7.7 阅读材料164

习题166

参考文献167

休息一会儿169

第8章集成学习171

8.1 个体与集成171

8.2 Boosting173

8.3 Bagging与随机森林178

8.4 结合策略181

8.5 多样性185

8.6 阅读材料190

习题192

参考文献193

休息一会儿196

第9章聚类197

9.1 聚类任务197

9.2 性能度量197

9.3 距离计算199

9.4 原型聚类202

9.5 密度聚类211

9.6 层次聚类214

9.7 阅读材料217

习题220

参考文献221

休息一会儿224

第10章降维与度量学习225

10.1 k近邻学习225

10.2 低维嵌入226

10.3 主成分分析229

10.4 核化线性降维232

10.5 流形学习234

10.6 度量学习237

10.7 阅读材料240

习题242

参考文献243

休息一会儿246

第11章特征选择与稀疏学习247

11.1 子集搜索与评价247

11.2 过滤式选择249

11.3 包裹式选择250

11.4 嵌入式选择与L1正则化252

11.5 稀疏表示与字典学习254

11.6 压缩感知257

11.7 阅读材料260

习题262

参考文献263

休息一会儿266

第12章计算学习理论267

12.1 基础知识267

12.2 PAC学习268

12.3 有限假设空间270

12.4 VC维273

12.5 Rademacher复杂度279

12.6 稳定性284

12.7 阅读材料287

习题289

参考文献290

休息一会儿292

第13章半监督学习293

13.1 未标记样本293

13.2 生成式方法295

13.3 半监督SVM298

13.4 图半监督学习300

13.5 基于分歧的方法304

13.6 半监督聚类307

13.7 阅读材料311

习题313

参考文献314

休息一会儿317

第14章概率图模型319

14.1 隐马尔可夫模型319

14.2 马尔可夫随机场322

14.3 条件随机场325

14.4 学习与推断328

14.5 近似推断331

14.6 话题模型337

14.7 阅读材料339

习题341

参考文献342

休息一会儿345

第15章规则学习347

15.1 基本概念347

15.2 序贯覆盖349

15.3 剪枝优化352

15.4 一阶规则学习354

15.5 归纳逻辑程序设计357

15.6 阅读材料363

习题365

参考文献366

休息一会儿369

第16章强化学习371

16.1 任务与奖赏371

16.2 K-摇臂赌博机373

16.3 有模型学习377

16.4 免模型学习382

16.5 值函数近似388

16.6 模仿学习390

16.7 阅读材料393

习题394

参考文献395

休息一会儿397

附录399

A 矩阵399

B 优化403

C 概率分布409

后记417

索引419